（一）在UTF-8中，一個漢字為什么需要三個字節？
UNICODE是萬能編碼，包含了所有符號的編碼，它規定了所有符號在計算機底層的二進制的表示順序。有關Unicode為什么會出現就不敘述了，Unicode是針對所有計算機的使用者定義一套統一的編碼規范，這樣計算機使用者就避免了編碼轉換的問題。Unicode定義了所有符號的二進制形式，也就是符號如何在計算機內部存儲的，而且每個符號規定都必須使用兩個字節來表示，也就是用16位二進制去代表一個符號，這樣就導致了一個問題，英文編碼的空間浪費，因為在ANSI中的符號都是一個字節來表示的，而使用了UNICODE編碼就白白浪費了一個字節。也就代表着Unicode需要使用兩倍的空間去存儲相應的ANSI編碼下的符號。雖然現在硬盤或者內存都很廉價，但是在網絡傳輸中，這個問題就凸顯出來了，你可以這樣想想，本來1M的帶寬在ANSI下可以代表1024*1024個字符，但是在Unicode下卻只能代表1024*1024/2個字符。也就是1MB/s的帶寬只能等價於512KB/s，這個很可怕啊。所以為了解決符號在網絡中傳輸的浪費問題，就出現了UTF-8編碼，Unicode transfer format -8 ，后面的8代表是以8位二進制為單位來傳輸符號的，但是這樣又導致了一個問題，雖然UTF-8可以使用一個字節來表示ANSI下的符號，但是對於其它類似漢語的符號，得需要兩個字節來表示，所以計算機不知道如何去截取一個符號，也就是一個符號對應的二進制的截取開始位置和截取結束位置。所以為了解決Unicode下的ANSI符號的空間浪費和網絡傳輸下如何截取字符的問題，UTF規定：如果一個符號只占一個字節，那么這個8位字節的第一位就為0。如果為兩個字節，那么規定第一個字節的前兩位都為1，然后第一個字節的第三位為0，第二個字節的前兩位為10，然后如果是三個字節的話，那么第一個字節的前三位為111，第四位為0，剩余的兩個字節的前兩位都為10。按照這樣的算法去思考一個中文字符的UTF-8是怎么表示的：一個中文字符需要兩個字節來表示，兩個字節一共是16位，那么UTF-8下，兩個字節是不夠的，因為兩個字節下，第一個字節已經占據了三位：110，然后剩余的一個字節占據了兩位：10，現在就只剩下8位，與Unicode下的兩個字節，16位去表示任意一個字符是相悖的，也就是Unicode下的16位減去UTF-8下的8位=8位，剛好差了一個字節的空間，所以就使用三個字節去表示非ANSI字符：三個字節下，一共是24位，第一個字節頭四位是：1110，后兩個字節的前兩位都是：10，那么24位-8位=16位，剛好兩個字節去表示Unicode下的任意一個非ANSI字符。這也就是為什么UTF-8需要使用三個字節去表示一個非ANSI字符的原因了！
多個字節提供的位數超過了所需要的，多余的位以0補全到編碼前面
轉自：https://blog.csdn.net/crslee/article/details/52041016
（二）英文字母和中文漢字在不同字符集編碼下的字節數
英文字母：
字節數 : 1;編碼：GB2312
字節數 : 1;編碼：GBK
字節數 : 1;編碼：GB18030
字節數 : 1;編碼：ISO-8859-1
字節數 : 1;編碼：UTF-8
字節數 : 4;編碼：UTF-16
字節數 : 2;編碼：UTF-16BE
字節數 : 2;編碼：UTF-16LE
中文漢字：
字節數 : 2;編碼：GB2312
字節數 : 2;編碼：GBK
字節數 : 2;編碼：GB18030
字節數 : 1;編碼：ISO-8859-1
字節數 : 3;編碼：UTF-8
字節數 : 4;編碼：UTF-16
字節數 : 2;編碼：UTF-16BE
字節數 : 2;編碼：UTF-16LE
這是個好問題，可以當作一個筆試題。先從字符編碼講起。
1、美國人首先對其英文字符進行了編碼，也就是最早的ascii碼，用一個字節的低7位來表示英文的128個字符，高1位統一為0；
2、后來歐洲人發現尼瑪你這128位哪夠用，比如我高貴的法國人字母上面的還有注音符，這個怎么區分，得，把高1位編進來吧，這樣歐洲普遍使用一個全字節進行編碼，最多可表示256位。歐美人就是喜歡直來直去，字符少，編碼用得位數少；
3、但是即使位數少，不同國家地區用不同的字符編碼，雖然0--127表示的符號是一樣的，但是128--255這一段的解釋完全亂套了，即使2進制完全一樣，表示的字符完全不一樣，比如135在法語，希伯來語，俄語編碼中完全是不同的符號；
4、更麻煩的是，尼瑪這電腦高科技傳到中國后，中國人發現我們有10萬多個漢字，你們歐美這256字塞牙縫都不夠。於是就發明了GB2312這些漢字編碼，典型的用2個字節來表示絕大部分的常用漢字，最多可以表示65536個漢字字符，這樣就不難理解有些漢字你在新華字典里查得到，但是電腦上如果不處理一下你是顯示不出來的了吧。
5、這下各用各的字符集編碼，這世界咋統一？俄國人發封email給中國人，兩邊字符集編碼不同，尼瑪顯示都是亂碼啊。為了統一，於是就發明了unicode，將世界上所有的符號都納入其中，每一個符號都給予一個獨一無二的編碼，現在unicode可以容納100多萬個符號，每個符號的編碼都不一樣，這下可統一了，所有語言都可以互通，一個網頁頁面里可以同時顯示各國文字。
6、然而，unicode雖然統一了全世界字符的二進制編碼，但沒有規定如何存儲啊，親。x86和amd體系結構的電腦小端序和大端序都分不清，別提計算機如何識別到底是unicode還是acsii了。如果Unicode統一規定，每個符號用三個或四個字節表示，那么每個英文字母前都必然有二到三個字節是0，文本文件的大小會因此大出二三倍，這對於存儲來說是極大的浪費。這樣導致一個后果：出現了Unicode的多種存儲方式。
7、互聯網的興起，網頁上要顯示各種字符，必須統一啊，親。utf-8就是Unicode最重要的實現方式之一。另外還有utf-16、utf-32等。UTF-8不是固定字長編碼的，而是一種變長的編碼方式。它可以使用1~4個字節表示一個符號，根據不同的符號而變化字節長度。這是種比較巧妙的設計，如果一個字節的第一位是0，則這個字節單獨就是一個字符；如果第一位是1，則連續有多少個1，就表示當前字符占用多少個字節。
8、注意unicode的字符編碼和utf-8的存儲編碼表示是不同的，例如"嚴"字的Unicode碼是4E25，UTF-8編碼是E4B8A5，這個7里面解釋了的，UTF-8編碼不僅考慮了編碼，還考慮了存儲，E4B8A5是在存儲識別編碼的基礎上塞進了4E25。
4E25的二進制位 0100,1110,0010,0101 中文漢字在utf-8中到底占幾個字節，一般是3個字節（原因見第一章），最常見的編碼方式是1110xxxx 10xxxxxx 10xxxxxx。組合起來為 1110,0100,1011,1000,1010,0101 =E4B8A5
9、UTF-8 使用一至四個字節為每個字符編碼。128 個 ASCII 字符（Unicode 范圍由 U+0000 至 U+007F）只需一個字節，帶有變音符號的拉丁文、希臘文、西里爾字母、亞美尼亞語、希伯來文、阿拉伯文、敘利亞文及馬爾代夫語（Unicode 范圍由 U+0080 至 U+07FF）需要二個字節，其他基本多文種平面（BMP）中的字符（CJK屬於此類-Qieqie注）使用三個字節，其他 Unicode 輔助平面的字符使用四字節編碼。
10、最后，要回答你的問題，常規來看，中文漢字在utf-8中到底占幾個字節，一般是3個字節，最常見的編碼方式是1110xxxx 10xxxxxx 10xxxxxx。
轉自：https://blog.csdn.net/u010737354/article/details/52456570